Изкуственият интелект стана по-умен от човешкия

През 1977 г. най-великият шахматист на времето, Боби Фишер, изигра три партии срещу компютърната програма Greenblatt, разработена от инженерите на MIT. Фишер матира компютъра три пъти и печели с голяма победа. В писмата си шахматистът пише, че програмите правят "гафове", а самите компютри нарича "безполезни парчета желязо".

Но през същата година Монти Нюборн, един от първите учени, изследвали компютърния шах, каза пророчески думи:

„Гросмайсторите идваха на турнири по компютърен шах, за да се посмеят. Сега идват да наблюдават, а в бъдеще ще учат там.“

Компютрите са далеч от целия този мистицизъм, но само за няколко десетилетия те са изучавали игрите на ума по-задълбочено, отколкото човечеството е направило през хилядолетия. През 2014 г. Google придоби DeepMind за 400 милиона долара, за да „извърши най-необичайното и сложно изследване досега, чиято крайна цел е да разкрие същността на интелекта“. По-специално учените искаха да научат компютър да играе Go. Тази игра е много по-трудна от шаха. През 1985 г. тайвански индустриален магнат каза, че би платил 1,4 милиона долара за програма, която може да победи най-добрия играч на Го. През 1997 г. магнатът умира, а три години по-късно офертата му изтича - никой не успява да вземе наградата.

Снимка: Getty Images

Сега може да принадлежи към програмата DeepMind AlphaGo, която използва съвременни невронни мрежи. Преди година тя победи международната шампионка по гоу Лий Седол. През май тази година тя отново победи най-добрия играч на Го, както и отбор от петима други професионалистииграчи.

Гари Каспаров срещу Deep Blue компютър. Вляво е един от инженерите на IBM, Xiong Feixiong. Снимка: Getty Images

Подобни постижения на AI са предизвикали доста човешки емоции у хората: тъга, депресия и отчаяние. След като Лий Седол беше победен от AlphaGo, той премина през екзистенциална криза. „Съмнявах се в човешката изобретателност“, призна той след мача. „Чудех се дали всички движения в Go, които знаех, са правилни.“ Според един очевидец след поражението Лий изглеждаше като "физически болен". Каспаров не се почувства по-добре след загубата от компютъра. Когато се върна в хотела, той просто се съблече, легна в леглото и се загледа в тавана.

„Компютърът анализира определени позиции толкова дълбоко, че играе като бог“, каза Каспаров.

Deep Blue показа на обществеността за първи път, че компютърът може да надмине хората при решаването на интелектуални проблеми. „Тогава предизвика шок“, каза Мъри Кембъл, един от основателите на Deep Blue. „Сега постепенно свикваме с тази идея.“ Не е ясно обаче какво очаква човечеството в бъдеще. Как постиженията могат да се използват в реалния свят в игрите? Отговорът на Кембъл на този въпрос звучи песимистично. „Трудно е да се намери добър пример за такъв успех в настолните игри“, каза той. - В началото на 90-те служител на IBM на име Джералд Тесауро се опита да научи AI да играе табла и постигна известен напредък в стимулираното обучение. Сега неговите методи често се използват в роботиката. Неговият случай обаче е по-скоро изключение от правилото.

Снимка: Getty Images

Следователно, въпреки че DeepMind твърди, че AlphaGo е универсална програма, тя едва ли ще помогне за решаването на реални проблеми. Андрей Карпати,Директор на AI в Tesla, наскоро заяви: „AlphaGo все още е силно специализирана система, която знае само как да играе Go.“

Успехът на програмата обаче показва постижение от различен вид. „Настолните игри свършиха“, каза Кембъл. Техните шампиони се пенсионират - това важи и за програмите. Не само AlphaGo не работи - след победата над Каспаров, Deep Blue беше използван известно време за финансови изчисления, а след това оборудването му остаря. Една част от суперкомпютъра отиде в института Смитсониън, а втората събира прах по рафтовете на Музея за компютърна история.

Но това не означава, че няма останали игри, в които компютърът да не стане шампион. Хората дори измислят специални игри, за да тестват възможностите на AI. Една такава игра беше Arimaa. Но каквито и да са тези игри, целта вече не е да се докаже, че компютърът може да победи човек. Учените се опитват да направят изкуствения интелект по-умен с помощта на игри.

Роботът се научава да балансира на един крак, за да стои като сумист. Но защо? Снимка: Getty Images

Дейвид Чърчил от Университета на Алберта може да се нарече доктор по компютърна стратегия на StarCraft. Той написа работа от 123 страници, в която говори за това как изкуственият интелект може бързо да създаде една от най-мощните бойни единици за расата на протосите. Сега ученият извършва изследователска работа за DeepMind и Facebook. Миналата есен DeepMind и разработчикът на StarCraft Blizzard Entertainment обявиха сътрудничество по проект за обучение на изкуствен интелект как да играе стратегия.

Изследователят не смята, че този проект се осъществява, за да докаже за пореден път превъзходството на компютъра над човека. „Ние дори не разбираме напълнокакво означава да победиш човек“, отбеляза той. В StarCraft, както и в много други компютърни игри, физическата реакция играе огромна роля. Най-добрите играчи могат да кликват с мишката и да натискат клавишите, като предприемат няколко действия за една секунда, а компютърът може да въведе няколко хиляди команди за това време. Така че състезанието в такава дисциплина не би било честно.

Но Чърчил не го интересува:

„Ние не се опитваме да победим хората“, каза той. „Това няма смисъл. Искаме да създадем по-модерна система. Да се преодолее определен праг, след който можем да кажем, че новата система е по-добра от старата. Как да разберем, че един компютър е по-умен от друг? Можете да ги накарате да играят един срещу друг."

Всички учени, които се занимават с игри, постоянно казват, че работят върху „експериментална платформа“. За тях игрите са тестова площадка за по-нататъшен напредък в сигурността на летищата, борбата с тероризма, по-добрите бизнес комуникации, киберсигурността, грижите за диабета и др.

Суперкомпютърът IBM Watson все още не е революционизирал здравеопазването, а DeepMind все още не е разгадал „мистериите на интелекта“. Но все пак никой не знае как резултатите от техните изследвания могат да бъдат полезни в бъдеще.